ISSN: Kata kunci: pengenalan tulisan tangan, ekstraksi ciri, jaringan saraf tiruan.
|
|
- Sukarno Hardja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ISSN: PENGARUH KOMPLEKSITAS EKSTRAKSI CIRI PADA SISTEM PENGENALAN TULISAN TANGAN DINAMIS (Influence of Feature Etracton Complet n Onlne Handwrtng Recognto Abdul Fadll Program Stud Teknk Elektro, Unverstas Ahmad Dahlan, Kampus III UAD Jl. Prof. Dr. Soepomo, Janturan, Umbulharjo, Yogakarta Telp , 38153, Fa Emal: fadll@lcos.com Abstrak Strateg pentng dalam sstem pengenalan tulsan tangan dnams pada dasarna terdr bagan atu metode ekstraks cr dan teknk klasfkas. Telah dlakukan pengujan secara ekspermen menggunakan metode ekstraks cr sederhana berupa arah coretan tulsan dan dbandngkan menggunakan metode ekstraks cr ang lebh kompleks berupa konds pena nak/turun, poss, arah, kurva, dan ctra tulsan tangan. Sstem n berbass jarngan saraf truan dengan algortma propagas balk sebaga teknk klasfkas. Hasl-hasl ekspermen menunjukkan bahwa sstem mampu mengenal tulsan tangan dar keteltan 83,9% menggunakan metode ekstraks cr sederhana dan menngkat menjad 97,3% menggunakan metode ekstraks cr ang lebh kompleks. Kata kunc: pengenalan tulsan tangan, ekstraks cr, jarngan saraf truan. Abstract Bascall, the mportant strateges n onlne handwrtng recognton sstem are feature etracton method and classfcaton thecnque. An epermental stud comparaton usng smple features and comple features has been done. The smple features as stroke drecton and the comple features are: flag pen up/down, poston, drecton, curvatures and btmap mage wrtng. Ths sstem based on neural network wth backpropagaton algorthm for classfcaton technque. The results of our eperments show that the sstem could be more accurate from 83.9% for smple featurs to be 97.3% for comple features. Kewords: Handwrtng recognton, feature etracton, artfcal neural network 1. PENDAHULUAN Peneltan dalam bdang pengenalan tulsan tangan telah dlakukan sejak puluhan tahun ang lalu, namun usaha-usaha untuk mendapat tngkat akuras pengenalan tulsan tangan ang lebh bak mash terus dlakukan oleh para penelt serng dengan kemajuan teknolog pen elektrons dan aplkasna [1,]. Pada dasarna ada bagan pentng ang mempengaruh akuras pengenalan atu metode ekstraks cr dan teknk klasfkas. Pada makalah n akan dbahas satu bagan pentng ang turut mempengaruh tngkat akuras suatu sstem pengenalan tulsan tangan atu metode ekstraks cr. Pembahasan ddasarkan atas hasl stud ekspermental penggunaan metode ekstraks cr sederhana dbandngkan dengan penggunaan metode ekstraks cr ang lebh kompleks. Ekspermenekspermen dlakukan dengan menggunakan paket 1 ekstraks cr berupa arah coretan dan paket ekstraks cr berupa konds pena, poss, arah, kurva, dan ctra tulsan. Sedangkan teknk klasfkas keduana menggunakan metode Jarngan Saraf Truan (JST). Pengenalan tulsan ang dkaj dalam peneltan n berupa tulsan angka. Data ang dgunakan dalam peneltan n dambl dar sebagan data standart nternasonal IRONOFF untuk proses pelathan jarngan saraf truan serta proses pengujanna. Pengaruh Komplekstas Ekstras (Abdul Fadl)
2 18 ISSN: Pada seks berkutna dar tulsan n, akan djelaskan tentang metodolog peneltan ang dlakukan. Hasl dan pembahasan akan dsajkan pada seks 3, sedangkan seks terakhr merupakan kesmpulan dar tulsan n.. METODOLOGI PENELITIAN Secara umum sstem pengenalan tulsan tangan dapat dtunjukkan pada Gambar 1. Gambar 1. Blok dagram sstem pengenalan tulsan tangan Gambar d atas menunjukkan blok dagram sstem pengenalan tulsan ang melput akuss data, normalsas ukuran & resamplng, ekstraks cr, pengklasfkas JST, dan hasl pemroses akhr..1 Akuss data, Normalsas ukuran & Resamplmg Proses awal dar pengenalan tulsan adalah akuss data ang berfungs mengambl nformas-nformas pentng dar prant masukan tablet. Data berupa koordnat, dar ttk-ttk tnta sesua dengan gerakan pena elektrons ang membentuk huruf atau smbol-smbol. Proses normalsas dgunakan untuk mengurang pengaruh dar perbedaan-perbedaan tulsan tangan dan untuk menederhanakan bentuk algortma pengenalan. Proses normalsasa n basana dlakukan dengan normalsas ukuran dan resamplng [3]. Normalsas ukuran berfungs untuk mengubah ukuran tulsan ang dtuls dalam bentuk ukuran ang berbeda-beda menjad tulsan berukuran sama. Normalsas ukuran dlakukan dengan mengubah skala koordnat baru untuk kedua sumbu vertkal dan horsontal: o o dengan, ( o o ) W mn...(1) ma mn H mn...() ma mn, ttk-ttk koordnat tnta asl ) ttk-ttk koordnat baru setelah proses transformas (, mn { o mn } ma { o ma } mn { o } mn ma ma { } o W lebar tulsan H tngg tulsan Resamplng berfungs mengubah jarak antar ttk-ttk koordnat dan jumlah ttk menjad seragam menggunakan algortma nterpolas lner. Umumna data asl hasl akuss data dperoleh koordnat ttk-ttk tnta dengan jumlah ang tdak sama serta jarak antar ttk ang TELKOMNIKA Vol., No. 3, Desember 004 : 17-13
3 TELKOMNIKA ISSN: tdak sama pula, sebagamana dtunjukkan pada Gambar. Interval jarak ΔS masng-masng ttk dapat dtentukan dengan membag jarak total dar tulsan: n 1 d 1 L...(3) ( ) + ( ) d...(4) S L n 1 Δ...(5) dengan, d jarak antar ttk-ttk tnta n jumlah ttk data tulsan asl n 1 jumlah ttk ang dkehendak setelah proses resamplng Gambar. Contoh tulsan (a) data asl dan (b) setelah normalsas ukuran dan resamplng. Ekstraks cr Ekstraks cr berfungs untuk menajamkan perbedaan-perbedaan pola sehngga akan sangat memudahkan dalam pemsahan antar klas pada proses klasfkas. Ekstraks cr merupakan tahap ang sangat pentng dan sult dalam teknk klasfkas pola, bahkan serngkal tngkat keberhaslan dar sstem pengenalan pola selalu dkatkan dengan metode ekstraks cr ang dgunakan. Pada peneltan dlakukan pengkajan secara ekspermen atas paket ekstraks cr untuk mengetahu pengaruhna terhadap tngkat akuras pengenalan...1 Ekstraks cr paket 1 Pada paket 1 n, ekstraks cr ddasarkan atas arah coretan tulsan ang dekstraks menjad nla besaran 0 sampa dengan 7 sebagamana terlhat pada bagan kode arah pada Gambar 3. Arah vektor (Δ, Δ) ang dnatakan dengan nla (0,1), (1,1), (1,0), (1,-1), (0, -1), (-1, -1), (-1, 0), dan (-1, 1) berturut-turut merupakan representas dar nla 0,1,,...,7 pada kode arah. Nla-nla arah vektor sebaga hasl ekstraks cr n selanjutna akan dgunakan sebaga nla masukan pada modul pengklasfkas JST. Gambar 3. Kode arah.. Ekstraks cr paket Ekstraks cr untuk paket, terdr dar konds pena, poss, arah, kurva, dan ctra tulsan. Konds pena dekstraks dengan nla 1 saat pena menentuh tablet dan 0 pena tdak menentuh tablet (dangkat). Arah coretan dtentukan dengan satu pendekatan: d ds dan d ds, dengan ds d + d. Pendekatan n dapat dgunakan sebagamana terlhat pada Gambar 4, dperoleh: Pengaruh Komplekstas Ekstras (Abdul Fadl)
4 130 ISSN: Δ( cos θ ( Δs(...(6) Δ( sn θ ( Δs(...(7) Gambar 4. Estmas arah tulsan Kurva coretan merupakan turunan kedua and dan kurva local dlakukan dengan pendekatan sudut antara kedua segmen arah sebagamana dtunjukkan pada Gambar 5. Sudut n juga dnatakan dengan snus dan cosnus-na sebaga berkut: cos φ ( cos ( θ ( n + 1) θ ( n 1) )...(8) sn φ ( sn θ ( n + 1) θ ( n 1)...(9) ( ) d ds d ds Gambar 5. Estmas kurva tulsan Keseluruhan ekstraks cr ang telah dnormalsas antara 0 dan +1 adalah sebaga berkut: 1 f pen s down f 0...(10) 0 otherwse mn 1...(11) ma mn f f...(1) mn ma mn 3 cosθ + 1) / 4 sn θ + 1) / 5 cos φ + 1) / 6 sn φ + 1 / f (...(13) f (...(14) f (...(15) f...(16) ( ) Ctra tulsan merupakan btmap koordnat-koordnat ttk tulsan ang dbag dalam 10 bars dan 10 kolom. Dengan demkan keseluruhan ekstraks cr sebanak 450 buah sebaga pola masukan sstem JST. TELKOMNIKA Vol., No. 3, Desember 004 : 17-13
5 TELKOMNIKA ISSN: Gambar 6. Contoh ekstraks cr angka.3 Pengklasfkas JST Pada peneltan n, teknk pengklasfkas pola masukan menggunakan jarngan saraf truan perseptron mult laps dengan 1 laps tersembun, sebagamana dtunjukkan pada Gambar 7. k Gambar 7. Arstektur JST,, dan berturut-turut adalah nla-nla keluaran dar laps keluaran, laps tersembun, z j dan laps masukan. v j w jk adalah bobot-bobot antara laps keluaran dan laps tersembun, dan adalah bobot-bobot antara laps tersembun dan laps masukan. Algortma pelathan menggunakan propagas balk [4]. Sstem JST n mampu mengklasfkas tulsan angka sebanak 10 buah, ang berart semua pola masukan ang dlathkan pada sstem JST n akan dklasfkaskan menjad 10 klas. Hasl pengenalan dapat dtentukan berdasarkan nla maksmum dar nla-nla keluaran JST berkut : k* arg ma, 1 k m...(17) k k 3. HASIL DAN PEMBAHASAN Sstem berbass JST telah dlath dan dlakukan pengujan menggunakan sebagan data kategor tulsan angka dar database standart nternasonal IRONOFF [5]. Dalam peneltan n sstem JST telah dlathkan dengan sebanak sampel dan dlakukan pengujan (testng) Pengaruh Komplekstas Ekstras (Abdul Fadl)
6 13 ISSN: dengan sampel. Jumlah neuron pada laps masukan dtentukan 100 neuron untuk paket 1 dan 450 neuron untuk paket. Jumlah neuron pada laps tersembun adalah 100 neuron. Hasl-hasl ekspermen dtunjukkan pada Tabel 1. Tabel 1. Hasl-hasl ekspermen Ekstraks cr # Data lathan # Data uj Akuras (%) Paket ,9 Paket ,3 4. SIMPULAN Sstem pengenalan tulsan tangan dnams berbass jarngan saraf truan menunjukkan tngkat akuras ang berart dengan menggunakan ekstraks cr ang lebh kompleks. Hasl-hasl ekspermen dar pengujan sstem menggunakan sebagan data dar IRONOFF menunjukkan kenakan akuras dar 83,9% untuk ekstraks cr dengan paket 1 menjad 97,3% untuk ekstraks cr paket ang lebh kompleks. Pada peneltan selanjutna, sstem ang telah dbuat n mash dmungknkan untuk dtngkatkan lag unjuk kerja atau akuras pengenalanna, msalna dengan menggunakan teknk ekstraks cr atau teknk klasfkas ang lan. DAFTAR PUSTAKA [1] R. Plamondon, and S. N. Srhar, On-lne and Off-lne Handwrtng Recognton : A Comprehensve Surve IEEE Transactons on Pattern Analss and Machne Intellgence, vol., no.1, pp , Jan 000. [] C.C. Tappert, C. Y. Suen, and T. Wakahara, The State of the Art n On-Lne Handwrtng Recognton IEEE Trans. Pattern Analss ad Machne Intellgence, vol. 1, no.8, pp , Aug [3] Raph G., Run-On Recognton n an On-lne Handwrtng Recognton Sstem Report, Unverst of Karlsruhe, German, June [4] Fauset L., Fundamentals of Neural Networks, Prentce Hall Inc., USA, 91-96, [5] C. Vard-Gaudn, P. M. Lallcan, S. Knerr, and P. Bnter, The IRESTE On/Off (IRONOFF) Dual Handwrtng Database ICDAR 99, Bangalore, TELKOMNIKA Vol., No. 3, Desember 004 : 17-13
BAB 4 PERHITUNGAN NUMERIK
Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciPENGENALAN HURUF BRAILLE BERBASIS JARINGAN SYARAF TIRUAN METODA HEBBRULE
1 PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SARAF TIRUAN METODA HEBBRULE un Ennggar 1, Wahyul Amen Syafe, ST, MT 2, Bud Setyono,ST,MT 2 Jurusan Teknk Elektro, Fakultas Teknk Unverstas, Dponegoro Jl. Prof.
Lebih terperinciPENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON
STMIK AMIKOM Yogyakarta, 6-8 Februar 2015 PENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON Madha Chrstan Wbowo 1), I Dewa Gede Ra Mardana 2), Sandy Wrakusuma 3) 1), 2), 3)
Lebih terperinciBAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen.
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Ctra dgtal merupakan ctra hasl dgtalsas yang dapat dolah pada suatu komputer dgtal [12]. Ctra dgtal tersusun atas sejumlah elemen. Elemen-elemen yang menyusun ctra
Lebih terperinciBab 2 AKAR-AKAR PERSAMAAN
Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat
Lebih terperinciPEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN SYARAF
PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN YARAF r Kusumadew Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Islam Indonesa Yogyakarya emal: cce@ft.u.ac.d Abstrak
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and
III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciPENGENALAN POLA BERBASIS JARINGAN SYARAF TIRUAN DALAM ANALISA CT SCAN TUMOR OTAK BELIGNA
PENGENALAN POLA BERBASIS JARINGAN SYARAF TIRUAN DALAM ANALISA CT SCAN TUMOR OTAK BELIGNA Mke Susmkant Pusat Pengembangan Informatka Nuklr BATAN Kawasan PUSPIPTEK, Gd. 71, Serpong, Tangerang Emal : mke@batan.go.d
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciMETODE PENELITIAN. dalam penelitian ini adalah siswa kelas XI IPA 2 Tahun Pelajaran
III. METODE PENELITIAN A. Settng Peneltan Peneltan n menggunakan data kuanttatf dengan jens Peneltan Tndakan Kelas (PTK). Peneltan n dlaksanakan d SMAN 1 Bandar Lampung yang beralamat d jalan Jend. Sudrman
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciKonferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 DAFTAR REVIEWER
Konferens Nasonal Sstem & Informatka 2015 STMIK STIKOM Bal, 9 10 Oktober 2015 DAFTAR REVIEWER Dr. Agus Harjoko Prof. Dr. Sr Hartat Dr.-Ing. Reza Pulungan Dr. Djoko Soetarno, DEA Dr. Ir. Rla Mandala, M.Eng
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciAnalitik Data Tingkat Lanjut (Regresi)
0 Oktober 206 Analtk Data Tngkat Lanut (Regres) Imam Cholssodn mam.cholssodn@gmal.com Pokok Bahasan. Konsep Regres 2. Analss Teknkal dan Fundamental 3. Regres Lnear & Regres Logstc (Optonal) 4. Regres
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Matematka dbag menjad beberapa kelompok bdang lmu, antara lan analss, aljabar, dan statstka. Ruang barsan merupakan salah satu bagan yang ada d bdang
Lebih terperinciPENGENALAN POLA TULISAN TANGAN AKSARA JAWA HA NA CA RA KA MENGGUNAKAN MULTI LAYER PERCEPTRON
PENGENALAN POLA TULISAN TANGAN AKSARA JAWA HA NA CA RA KA MENGGUNAKAN MULTI LAYER PERCEPTRON Madha Chrstan Wbowo 1) Sandy Wrakusuma 2) 1) S1 Sstem Komputer, STIKOM Surabaya, emal: madha@stkom.edu 2) S1
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi
3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciPENGENALAN KARAKTER ALFABET MENGGUNAKAN JARINGAN SARAF TIRUAN
PENGENALAN KARAKTER ALFABET MENGGUNAKAN JARINGAN SARAF TIRUAN Oleh : And Prasojo (L2F098584) Jurusan Teknk Elektro Fakultas Teknk Unverstas Dponegoro Jl. Prof. H. Sudarto, S.H., Tembalang, Semarang e-mal
Lebih terperinciSistem Pengenalan Wicara Otomatis Menggunakan Discrete Wavelet Neural Network (DWNN)
Sstem Wcara Otomats Menggunakan Dscrete Wavelet Neural Network (DWNN) Yunus Wcaksono S 1, Djoko Purwanto 2, Agus Sgt Pramono 3 1,2 Program Stud Teknk Elektro Insttut Teknolog Sepuluh Nopember Surabaya
Lebih terperinciIII.METODE PENELITIAN. Pada penelitian ini subyek yang digunakan adalah siswa VII A SMPN 5
33 III.METODE PENELITIAN A Jens Dan Desan Peneltan. Jens peneltan yang dgunakan dalam peneltan n adalah peneltan kuanttatf. Peneltan n merupakan peneltan korelas yang bertujuan untuk mengetahu hubungan
Lebih terperinciBab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat
Mater Kulah Ekspermen Fska Oleh : Drs. Ishaft, M.S. Program Stud Penddkan Fska Unverstas Ahmad Dahlan, 07 Bab 3 Analss Ralat 3.. Menaksr Ralat Msalna suatu besaran dhtung dar besaran terukur,,..., n. Jka
Lebih terperinci.. Kekakuan Rangka batang Bdang (Plane Truss) BAB ANAISIS STRUKTUR RANGKA BATANG BIANG Struktur plane truss merupakan suatu sstem struktur ang merupakan gabungan dar seumlah elemen (batang) d mana pada
Lebih terperinciBAB III LANDASAN TEORI. berasal dari peraturan SNI yang terdapat pada persamaan berikut.
BAB III LANDASAN TEORI 3. Kuat Tekan Beton Kuat tekan beban beton adalah besarna beban per satuan luas, ang menebabkan benda uj beton hanur bla dbeban dengan gaa tekan tertentu, ang dhaslkan oleh mesn
Lebih terperinciKARAKTERISASI STRUKTURAL MATERIAL HEKSAGONAL MESOPORI-MESOSTRUKTUR
Prosdng Semnas Peneltan, Penddkan dan Penerapan MIPA, MIPA-UNY, Yogyakarta 8 Pebruar 005 KARAKTERISASI STRUKTURAL MATERIAL HEKSAGONAL MESOPORI-MESOSTRUKTUR Oleh : Har Sutrsno Jurdk Kma, MIPA, Unverstas
Lebih terperinciPengenalan Karakter Tulisan Tangan Angka dan Operator Matematika Berdasarkan Zernike Moments Menggunakan Support Vector Machine
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Prnt) 1 Pengenalan Karakter Tulsan Tangan Angka dan Operator Matematka Berdasarkan Zernke Moments Menggunakan Support Vector Machne
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciKOMPARASI HASIL BELAJAR SISWA DENGAN MEDIA MACROMEDIA FLASH DAN MICROSOFT POWERPOINT YANG DISAMPAIKAN MELALUI PENDEKATAN CHEMO-EDUTAINTMENT
Sgt Pratmoko, dkk. Komparas Hasl Belajar Sswa... 99 KOMPARASI HASIL BELAJAR SISWA DENGAN MEDIA MACROMEDIA FLASH DAN MICROSOFT POWERPOINT YANG DISAMPAIKAN MELALUI PENDEKATAN CHEMO-EDUTAINTMENT Sgt Pratmoko,
Lebih terperinciPost test (Treatment) Y 1 X Y 2
BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl
Lebih terperinciAPLIKASI KORELASI PEARSON DALAM MEMBANGUN MODEL TREE-AUGMENTED NETWORK (TAN) (Studi Kasus Pengenalan Karakter Tulisan Tangan)
APLIKASI KORELASI PEARSON DALAM MEMBANGUN MODEL TREE-AUGMENTED NETWORK (TAN) (Stud Kasus Pengenalan Karakter Tulsan Tangan) Irwan Bud Santoso Jurusan Teknk Informatka, Sans dan Teknolog Unverstas Islam
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciBab III Analisis dan Rancangan Sistem Kompresi Kalimat
Bab III Analss dan Rancangan Sstem Kompres Kalmat Bab n bers penjelasan dan analss terhadap sstem kompres kalmat yang dkembangkan d dalam tess n. Peneltan n menggunakan pendekatan statstcal translaton
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciANALISIS SENTIMEN PENGGUNA JEJARING SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
ANALISIS SENTIMEN PENGGUNA JEJARING SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE M. Fachrurroz, M.T. 1, Nov Yuslan, M.T. 2 1,2 Jurusan Teknk Informatka Fakultas Ilmu Komputer, Unverstas Srwjaya 1 obetsobets@gmal.com,
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciKrisantus Sembiring. Selasa, 11 September /1/2008 1
Penerapan Teknk Support Vector Machne untuk Pendeteksan Intrus pada Jarngan Sdang IF40Z2-Tugas Akhr II Krsantus Sembrng 13503121 Selasa, 11 September 2007 2/1/2008 1 Latar Belakang Pentngnya pendeteksan
Lebih terperinciBAB 2 ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA
BAB ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA.1 Pendahuluan Pada sstem tga fasa, rak arus keluaran nverter pada beban dengan koneks delta dan wye memlk hubungan yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciPengenalan Tanda Tangan Dengan Metode Principal Component Analysis (PCA) Dan Jaringan Syaraf Tiruan (JST)
1 Pengenalan Tanda Tangan Dengan Metode Prncpal Component Analyss (PCA) Dan Jarngan Syaraf Truan (JST) Hann Prastka 1, Rahmat Suhatman 2, Warna Nengsh 3 Program Stud Teknk Informatka dan Multmeda, Polteknk
Lebih terperinciPRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel
PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciPengenalan Wajah Menggunakan Pseudo-2D Hidden Markov Model
Pengenalan Wajah Menggunakan Pseudo-2D Hdden Markov Model Anak Agung Gde Agung 1, Fazmah Arf Yulanto 2, Warh Maharan 3 1 Program Stud Komputersas Akuntans Polteknk Telkom, Bandung 2,3 Fakultas Teknk Informatka,
Lebih terperinciPENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA
PENERAPAN MEODE LINIEAR DISCRIMINAN ANALYSIS PADA PENGENALAN AJAH ERASIS KAMERA Asep Sholahuddn 1, Rustam E. Sregar 2,Ipng Suprana 3,Setawan Had 4 1 Mahasswa S3 FMIPA Unverstas Padjadjaran e-mal: asep_sholahuddn@yahoo.com
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciSKRIPSI KLASIFIKASI PENGGUNAAN PROTOKOL KOMUNIKASI PADA TRAFIK JARINGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR I KOMANG KOMPYANG AGUS SUBRATA
SKRIPSI KLASIFIKASI PENGGUNAAN PROTOKOL KOMUNIKASI PADA TRAFIK JARINGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR I KOMANG KOMPYANG AGUS SUBRATA JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS UDAYANA
Lebih terperinciIII. METODE PENELITIAN
III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la
Lebih terperinciPERANCANGAN PREDIKTOR KETINGGIAN GELOMBANG DI PERAIRAN SUMATERA-JAWA BERBASIS ARTIFICIAL NEURAL NETWORK
Yogakarta, 28 Maret 2015 PERANCANGAN PREDIKTOR KETINGGIAN GELOMBANG DI PERAIRAN SUMATERA-JAWA BERBASIS ARTIFICIAL NEURAL NETWORK Illa Rzanza 1, Aula St Asjah 2 1 Jurusan Teknk Fska, Fakultas Teknolog Industr,
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciBOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL
BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL Analss sumbangan sektor-sektor ekonom d Bal terhadap pembangunan ekonom nasonal bertujuan untuk mengetahu bagamana pertumbuhan dan
Lebih terperinciSIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI
ISSN: 1693-6930 167 SIMULASI OPTIMASI ALIRAN DAA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAA OPERASI Subyanto Teknk Elektro Fakultas Teknk Unverstas Neger Semarang Gedung E6 Lt. Kampus Sekaran
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciBAB III METODE PENELITIAN
1 BAB III METODE PENELITIAN.1 Tempat dan Waktu Peneltan Peneltan n dlakukan d areal IUPHHK-HA PT Mamberamo Alasmandr yatu pada hutan prmer (BLOK RKT 01), Logged Over Area (LOA) berumur tahun (Blok RKT
Lebih terperinciAnalisis Kecepatan Dan Percepatan Mekanisme Empat Batang (Four Bar Lingkage) Fungsi Sudut Crank
ISSN 907-0500 Analss Kecepatan Dan Percepatan Mekansme Empat Batang (Four Bar ngkage Fungs Sudut Crank Nazaruddn Fak. Teknk Unverstas Rau nazaruddn.unr@yahoo.com Abstrak Pada umumnya analss knematka dan
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciPengenalan Pola Senyum Menggunakan Backpropagation Berbasis Ekstraksi Fitur Principal Component Analysis (PCA)
Pengenalan Pola Senyum Menggunakan Backpropagaton Berbass Ekstraks Ftur Prncpal Component Analyss (PCA) Rma Tr Wahyunngrum 1, Rza Mashta Wat 2, Aer Rachmad 3 Program Stud Teknk Informatka, Unverstas Trunojoyo
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA
BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam
Lebih terperinciBab 3. Penyusunan Algoritma
Bab 3. Penusunan Algortma on anuwjaa/ 500030 Algortma merupakan penulsan permasalahan ang sedang dsorot dalam bahasa matematk. Algortma dbutuhkan karena komputer hana dapat membaca suatu masalah secara
Lebih terperinciIMPLEMENTASI INTERPOLASI LAGRANGE UNTUK PREDIKSI NILAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATLAB
Semnar Nasonal Teknolog 007 (SNT 007) ISSN : 1978 9777 Yogakarta, 4 November 007 IMPEMENTASI INTERPOASI AGRANGE UNTUK PREDIKSI NIAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATAB Krsnawat STMIK AMIKOM Yogakarta
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.. KERANGKA ANALISIS Kerangka analss merupakan urutan dar tahapan pekerjaan sebaga acuan untuk mendapatkan hasl yang dharapkan sesua tujuan akhr dar kajan n, berkut kerangka
Lebih terperinciALGORITMA THRESHOLDING ADAPTIF UNTUK BINERISASI CITRA DOKUMEN BERWARNA
Vol. 2, No. 2 Desember 2011 ISSN 2088-2130 ALGORITMA THRESHOLDING ADAPTIF UNTUK BINERISASI CITRA DOKUMEN BERWARNA Eka Mala Sar Rochman 1), Ratna Nur Tara Shanty 2), Dyah S Rahayu 3) Unverstas Trunojoyo
Lebih terperinciUKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a
UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya
Lebih terperinciBAB I PENDAHULUAN Latar Belakang. menghimpun dana dari pihak yang kelebihan dana (surplus spending unit) kemudian
Pengaruh Captal Structure terhadap Proftabltas pada Industr Perbankan d Indonesa Mutara Artkel n d-dgtalsas oleh Perpustakaan Fakultas Ekonom-Unverstas Trsakt, 2016. 021-5663232 ext.8335 BAB I PENDAHULUAN
Lebih terperinciMatematika Eigenface Menggunakan Metrik Euclidean
Matematka Egenface Menggunakan Metrk Eucldean 6 Ben Utomo Sekolah ngg eknolog Bontang, Indonesa Abstract Salah satu sstem pengenalan wajah (face recognton) adalah metode egenface. Metode n bekerja dengan
Lebih terperinciBAB 3 METODOLOGI PERANCANGAN
9 BAB 3 METODOLOGI PERANCANGAN Bab n bers penjelasan mengena langkah-langkah perhtungan serta prosedurprosedur yang dgunakan untuk menemukan solus atas rumusan masalah pada Bab. Dalam bab n juga akan dtamplkan
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciEVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS
EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciInvestigasi Hubungan antara Jumlah Dimensi Parameter Extraksi Terhadap Keakurasian Pengenalan Tanda Tangan Secara Offline
Semnar Nasonal eknolog Informas & Komunkas erapan 2012 (Semantk 2012) ISBN 979-26 - 0255-0 Investgas Hubungan antara Jumlah Dmens Parameter Extraks erhadap Keakurasan Pengenalan anda angan Secara Offlne
Lebih terperinciRANCANGAN PROSES TRAINING UNTUK MENDUKUNG PENENTUAN KUALITAS AIR MINUM KEMASAN
RANCANGAN PROSES TRAINING UNTUK MENDUKUNG PENENTUAN KUALITAS AIR MINUM KEMASAN Erfant Fatkhyah Jurusan Teknk Informatka, Fakultas Teknolog Industr, Insttut Sans & Teknolog AKPRIND Yogyakarta Emal: erfunthye@yahoocod
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciBAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen,
BAB III METODE PENELITIAN A. Metode dan Desan Peneltan Metode peneltan n adalah quas ekspermen karena terdapat unsur manpulas, yatu mengubah keadaan basa secara sstemats ke keadaan tertentu serta tetap
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinci